십진수형 알루미늄 CNC 절삭조건 데이터를 이용한 인공신경망 학습에 관한 연구

• 영문명: A Study on Artificial Neural Network Learning Using Decimal Data of CNC Cutting Conditions for Aluminum
• 발행기관: 한국산업기술융합학회(구. 산업기술교육훈련학회)
• 저자명: 권택 권오정
• 간행물 정보: 『산업기술연구논문지』제28권 1호, 25~34쪽, 전체 10쪽
• 주제분류: 공학 > 산업공학
• 파일형태: PDF
• 발행일자: 2023.03.30

국문 초록

컴퓨터수치제어(CNC) 장비에 입력하는 가공 조건은 다년간의 경험(Know-How)을 통해 배울 수 있다. 그러나, 현재 인구절벽 현상 등의 이유로 기계가공 분야의 전문인력 양성이 힘들어진 상황이다. 이러한 상황을 해결하기 위해 CNC 장비를 사용하길 희망하는 신규 인력에게 현 전문가들의 경험을 전수할 방안을 연구할 시점이 되었다. 다양한 연구 방안 중 하나로, 본 연구에서는 인공신경망을 이용한 “CNC 장비를 위한 전문가 시스템”을 제안했으며, 기계 분야 기술자도 쉽게 인공지능 분야에 접근할 수 있도록 머신러닝 학습 데이터를 이진수가 아닌 십진수로 만들었다. CNC 장비를 처음 다루는 사용자가 알루미늄 합금인 AL6063을 CNC 선반으로 가공할 경우를 가정하고, 인장강도, 절삭속도 및 표면 거칠기를 입력하면, CNC 장비 설정을 위해 전문가 시스템에서 스핀들의 회전수와 공구의 이송속도를 알려준다. 연구 결과 알루미늄 십진수 데이터를 인공신경망 학습에 사용 가능하고, 다양한 재질과 가공 상황에서도 학습이 가능할 것으로 판단되었다.

영문 초록

The processing conditions of computer numerical control (CNC) equipment are learned through practical experience over many years. However, it is currently difficult to train professional experts in the field of machining because of the “demographic cliff” phenomenon. To solve this issue, it is necessary to study how to transfer the experience of current experts to new people who desire to use CNC equipment. An “expert system for CNC equipment” is proposed using artificial neural networks (ANNs) and machine-learning data is made available in decimal rather than binary so that mechanical engineers can easily access artificial intelligence. Assuming that an aluminum alloy (AL6063) is machined by a beginner using a lathe, when the tensile strength, cutting speed, and desired surface roughness are input into the ANN, the rotation speed (revolutions per minute) of the spindle and the feed rate are output by the proposed expert system for CNC equipment setting. This study demonstrates that decimal data about aluminum can be used for learning by an ANN, and it is judged that learning by using decimal data is possible for various materials and in various processing situations.

목차

Ⅰ. 서 론

Ⅱ. CNC분야 전문가시스템용 ANN 모델

Ⅲ. 학습 및 검증용 데이터

Ⅳ. ANN 하이퍼파라메터 설계

Ⅴ. ANN 학습 결과 및 고찰

Ⅵ. 결 론

참고문헌

키워드

컴퓨터 수치 제어 가공 조건 전문가 시스템 인공신경망 십진수 데이터 Computerized Numerical Control(CNC) Processing Conditions Experts System Artificial Neural Network(ANN) Decimal Numbers AI+x